服饰个性化搭配推荐方法、系统、电子设备及存储介质技术方案

本发明专利技术提供一种服饰个性化搭配推荐方法、系统、电子设备及存储介质，方法为：获取客户的历史购买数据和服饰类别信息，并根据历史购买数据和所述服饰类别信息构建对应的知识图谱；对知识图谱进行表示学习，得到各个服饰的实体表示向量和服饰类别表示向量；获取客户购买的服饰对应的标题，并通过TextCNN网络对标题进行处理得到对应的标题编码向量；根据实体表示向量、服饰类别表示向量和标题编码向量进行计算得到各个服饰的最终表示向量；根据两个服饰的最终表示向量通过sigmoid函数进行处理得到两个服饰的搭配概率；在客户购买一个服饰时将搭配概率大于预设值的另一个服饰推送给客户。本方法能更好的满足客户的个性化需求，进而推荐更匹配的相关服饰。荐更匹配的相关服饰。荐更匹配的相关服饰。

【技术实现步骤摘要】
服饰个性化搭配推荐方法、系统、电子设备及存储介质


[0001]本专利技术涉及互联网
，具体而言，涉及一种服饰个性化搭配推荐方法、系统、电子设备及存储介质。

技术介绍

[0002]在搭配推荐的研究领域，许多工作开始尝试从服饰的图片或文本描述中提取服饰的特征，然后将服饰编码为密集的实值嵌入，最后搭配推荐系统使用这些嵌入计算服饰之间的搭配概率。这种方法可以避免“冷启动”，并且能够相对准确地做出推荐。例如，部分研究尝试通过服饰图像中呈现的视觉信息来分析搭配关系，但是当图像中出现多个服饰时，他们的方法则不能获得较好的效果。还有一些研究使用电子商务网站上的服饰标题来计算搭配的概率，这种方法虽然简单但其效果仍有待提高。虽然服饰标题中通常包含了许多服饰的特征，但这些信息仍然不足以满足数据挖掘的需求，同时也不能满足开发高性能的服饰搭配推荐系统的目的。因此，需要提供一种服饰搭配推荐方案以更好地满足客户的个性化需求。

技术实现思路

[0003]本专利技术的目的在于提供一种服饰个性化搭配推荐方法、系统、电子设备及存储介质，用以实现更好地满足客户的个性化需求的技术效果。
[0004]第一方面，本专利技术提供了一种服饰个性化搭配推荐方法，包括S1.获取客户的历史购买数据和服饰类别信息，并根据所述历史购买数据和所述服饰类别信息构建对应的知识图谱；S2.对所述知识图谱进行表示学习，得到各个服饰的实体表示向量和服饰类别表示向量；S3.获取客户购买的服饰对应的标题，并通过TextCNN网络对所述标题进行处理得到对应的标题编码向量；S4.根据所述实体表示向量、所述服饰类别表示向量和所述标题编码向量进行计算得到各个服饰的最终表示向量：式中，s代表最终表示向量；W
s
代表权重矩阵；e
t
代表标题表示向量；e
b
代表服饰类别表示向量；e
p
代表实体表示向量；
⊕
为拼接运算符；b代表常数；S5.根据两个服饰的最终表示向量通过sigmoid函数进行处理得到两个服饰的搭配概率；S6.在客户购买其中一个服饰时将搭配概大于预设值的另一个服饰推送给客户。
[0005]第二方面，本专利技术提供了一种服饰个性化搭配推荐系统，包括：获取模块，用于获取客户的历史购买数据和服饰类别信息，并根据所述历史购买数据和所述服饰类别信息构建对应的知识图谱；
知识图谱表示学习模块，用于对所述知识图谱进行表示学习，得到各个服饰的实体表示向量和服饰类别表示向量；标题编码模块，用于获取客户购买的服饰对应的标题，并通过TextCNN网络对所述标题进行处理得到对应的标题编码向量；服饰表示向量分析模块，用于根据所述实体表示向量、所述服饰类别表示向量和所述标题编码向量进行计算得到各个服饰的最终表示向量：式中，s代表最终表示向量；W
s
代表权重矩阵；e
t
代表标题表示向量；e
b
代表服饰类别表示向量；e
p
代表实体表示向量；b代表常数；搭配概率分析模块，用于根据两个服饰的最终表示向量通过sigmoid函数进行处理得到两个服饰的搭配概率；输出模块，用于在客户购买其中一个服饰时将搭配概大于预设值的另一个服饰推送给客户。
[0006]第三方面，本专利技术提供了一种电子设备，包括存储器和处理器；所述存储器用于存储计算机指令；所述处理器用于执行所述计算机指令以实现上述的方法。
[0007]第四方面，本专利技术提供了一种存储介质，所述存储介质存储有计算机指令；所述计算机指令被处理器执行时实现上述的方法。
[0008]本专利技术能够实现的有益效果是：本专利技术提供的服饰个性化搭配推荐方法充分地利用了电子商务中服饰的标题和其他辅助信息；首先，根据历史购买数据和服饰类别信息构建对应的知识图谱；其次，对该知识图谱进行表示学习，得到各个服饰的实体表示向量和服饰类别表示向量；再次，获取获取客户购买的服饰对应的标题，并通过TextCNN网络对标题进行处理得到对应的标题编码向量；然后，根据实体表示向量、服饰类别表示向量和标题编码向量进行计算得到各个服饰的最终表示向量；最后根据两个服饰的最终表示向量通过sigmoid函数进行处理得到两个服饰的搭配概率，并在客户购买服饰时将搭配概大于预设值的另一个服饰推送给客户，可以更好地满足客户的个性化需求。
附图说明
[0009]为了更清楚地说明本专利技术实施例的技术方案，下面将对本专利技术实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本专利技术的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
[0010]图1为本专利技术实施例提供的一种商品个性化搭配推荐方法的流程示意图；图2为本专利技术实施例提供的一种商品个性化搭配推荐系统的拓扑结构示意图。
[0011]图标：10
‑
商品个性化搭配推荐系统；100
‑
获取模块；200
‑
知识图谱表示学习模块；300
‑
标题编码模块；400
‑
服饰表示向量分析模块；500
‑
搭配概率分析模块；600
‑
输出模块。
具体实施方式
[0012]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行描述。
[0013]应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一
个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本专利技术的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
[0014]请参看图1，图1为本专利技术实施例提供的一种商品个性化搭配推荐方法的流程示意图。
[0015]在一种实施方式中，本专利技术实施例提供了一种商品个性化搭配推荐方法，其具体内容如下所述。
[0016]S1.获取客户的历史购买数据和服饰类别信息，并根据所述历史购买数据和所述服饰类别信息构建对应的知识图谱。
[0017]在一种实施方式中，客户的历史购买数据和服饰类别信息可以从电商的后端服务器进行获取，也可以从云服务器进行获取。在构建知识图谱时可以把“消费者购买商品”的行为和“商品属于类别”的事实用（主语，谓语，宾语）的三元组来表示，例如（顾客A，购买，商品A）和（商品A，属于，类别1）。另外，顾客A的购物列表会呈现在知识图谱中，不同的顾客可能偏向于不同的搭配方式，因此知识图谱的中顾客实体呈现了顾客的个性化特点。
[0018]S2.对所述知识图谱进行表示学习，得到各个服饰的实体表示向量和服饰类别表示向量。
[0019]在一种实施方式中，知识图谱可以看作是“（主语，谓语，宾语）”形式的一个三元组。由于本专利技术构建的知识图谱中只有两种关系，即“购买”和“属于”关系，因此一条购买数据可以表示为（用户，购买，服饰）的三元组，商品的类别可以表示为三元组本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种服饰个性化搭配推荐方法，其特征在于，包括：S1.获取客户的历史购买数据和服饰类别信息，并根据所述历史购买数据和所述服饰类别信息构建对应的知识图谱；S2.对所述知识图谱进行表示学习，得到各个服饰的实体表示向量和服饰类别表示向量；S3.获取客户购买的服饰对应的标题，并通过TextCNN网络对所述标题进行处理得到对应的标题编码向量；S4.根据所述实体表示向量、所述服饰类别表示向量和所述标题编码向量进行计算得到各个服饰的最终表示向量：式中，s代表最终表示向量；W
s
代表权重矩阵；e
t
代表标题表示向量；e
b
代表服饰类别表示向量；e
p
代表实体表示向量；
⊕
为拼接运算符；b代表常数；S5.根据两个服饰的最终表示向量通过sigmoid函数进行处理得到两个服饰的搭配概率；S6.在客户购买一个服饰时将搭配概大于预设值的另一个服饰推送给客户。2.根据权利要求1所述的方法，其特征在于，所述S2中实体表示向量和服饰类别表示向量的实现方式为：量的实现方式为：式中，w
p
表示“购买关系”的超平面，用于将客户和服饰投影到“购买空间”；w
b
是一个将服饰和类别投影到“类别空间”的超平面；w
pT
表示w
p
的转置，w
bT
表示w
b
的转置，且‖w
p
‖2=1，‖w
b
‖2=1；j表示变量；e
j
表示第j个服饰；e
jp
表示第j个服饰的实体表示向量；e
jb
表示第j个服饰的服饰类别表示向量。3.根据权利要求2所述的方法，其特征在于，所述方法还包括：通过构建的损失函数对知识图谱表示学习参数进行优化：式中，S表示训练数据集中各个服饰的三元组集合；s、p和o表示三元组中的各个元素；其中“购买关系”表示为（用户，购买，服饰）；“类别关系”表示为（服饰，属于，类别）；S
’
表示三元组集合S的负三元组集合；γ＞0是超参数，用于区分正三元组和负三元组的判别边际；[
•
]
+
表示如果括号中的值小于0则取0，大于0则取括号中的值；f表示评分函数。4.根据权利要求1所述的方法，其特征在于，所述S3的实现方式为：4.根据权利要求1所述的方法，其特征在于，所述S3的实现方式为：4.根据权利要求1所述的方法，其特征在于，所述S3的实现方式为：式中，e
t
代表标题表示向量；w1表示向量的权重矩阵；R表示实数域；d
t
表示维度；m3表示
TextCNN网络卷积层内过滤器的数量；z
iv
表示TextCNN网络的池化层做最大池化操作后输出的标量；z
v
表示m3个标量的组合向量。5.根据权利要求4所述的方法，其特征在于，所述S3还包括：...

【专利技术属性】
技术研发人员：江岭，王思宇，黄鹏，
申请(专利权)人：成都晓多科技有限公司，
类型：发明
国别省市：